利用預(yù)測(cè)模型進(jìn)行自動(dòng)化決策

利用預(yù)測(cè)模型進(jìn)行自動(dòng)化決策敏捷是決策管理領(lǐng)域的關(guān)注重點(diǎn)及優(yōu)勢(shì)所在。在決策管理中，敏捷指的是能夠快速調(diào)整并應(yīng)對(duì)業(yè)務(wù)和市場帶來的變化。決策管理技術(shù)倡導(dǎo)將業(yè)務(wù)邏輯從系統(tǒng)和應(yīng)用中分離出來，然后業(yè)務(wù)人員便可以在獨(dú)立的環(huán)境中管理和修改業(yè)務(wù)邏輯，并且完成對(duì)修改的部署上線。在這過程中，盡量減少了IT人員的參與，而且也不需要經(jīng)歷一個(gè)完整的軟件開發(fā)周期（需求，開發(fā)，測(cè)試，上線）。相比于傳統(tǒng)應(yīng)用更新方式，決策管理的方法可以保證團(tuán)隊(duì)在很短的時(shí)間內(nèi)就能完成對(duì)系統(tǒng)里業(yè)務(wù)邏輯的修改。即使某些涉及關(guān)鍵自動(dòng)化決策的需求頻繁地變更或者新增，在這種方式下也能輕松應(yīng)對(duì)，這可以讓你的業(yè)務(wù)更加靈活。能夠快速地對(duì)應(yīng)用進(jìn)行修改和完成上線是很重要的。那如何才能知道應(yīng)該修改什么呢？有一些變更，比如監(jiān)管要求或者合同約定的，是非常明確的。只要準(zhǔn)確地按照監(jiān)管要求或者合同約定進(jìn)行部署，自動(dòng)化決策將產(chǎn)生所需的決策結(jié)果，進(jìn)而做出正確的決策。但是，許多決策的修改并沒有這樣直接而明顯的解決方法。光靠敏捷是不夠的通常情況下，決策是基于用戶行為、市場動(dòng)態(tài)、環(huán)境影響或其他的外部因素制定的。因此，這些決策常常有著很大的不確定性。例如，在信用風(fēng)險(xiǎn)決策中，需要決定是否批準(zhǔn)一個(gè)申請(qǐng)，以及設(shè)定相應(yīng)的信用額度和利率。相關(guān)機(jī)構(gòu)如何制定最佳決策來幫助他們盡量獲客的同時(shí)降低風(fēng)險(xiǎn)？這同樣適用于營銷決策，如追加銷售和交叉銷售的報(bào)價(jià)等，客戶最可能接受哪個(gè)可能的報(bào)價(jià)？預(yù)測(cè)模型提供數(shù)據(jù)洞察這正是預(yù)測(cè)模型一展所長的地方。預(yù)測(cè)模型基于大量的歷史數(shù)據(jù)，通過精密的分析技術(shù)對(duì)未來進(jìn)行預(yù)測(cè)，從而幫助我們減少不確定性，并制定出更好的決策。能做到這點(diǎn)，預(yù)測(cè)模型是通過識(shí)別歷史數(shù)據(jù)中一些能導(dǎo)致特定結(jié)果的模式，并在未來的交易以及客戶互動(dòng)中檢測(cè)相同的模式，來實(shí)現(xiàn)對(duì)結(jié)果的預(yù)測(cè)。預(yù)測(cè)模型指導(dǎo)著許多影響我們?nèi)粘Ｉ畹臎Q策。比如，你的信用卡發(fā)卡銀行可能會(huì)偶爾聯(lián)系你，要求你確認(rèn)一些他們認(rèn)為可能是盜刷的交易，因?yàn)檫@些交易不符合你的刷卡習(xí)慣。當(dāng)你在網(wǎng)上購物時(shí)，商家會(huì)根據(jù)你的購買歷史或者購物車中的商品推薦你可能需要的其他商品。并且你可能也注意到，在你訪問的一些其他網(wǎng)站上也會(huì)展示類似商品的廣告。這些廣告與你之前訪問的購物網(wǎng)站直接相關(guān)，以促使你返回并完成購買。所有的這些例子都是預(yù)測(cè)模型在具體決策場景下的運(yùn)用。如何建立預(yù)測(cè)模型預(yù)測(cè)模型其實(shí)就是創(chuàng)建一個(gè)數(shù)學(xué)意義上能夠表示歷史數(shù)據(jù)中不同特征之間的關(guān)聯(lián)的模型。被選擇的特征和結(jié)果相關(guān)并可以用來進(jìn)行預(yù)測(cè)。例如，為了預(yù)測(cè)未來銷售的可能性，有用的預(yù)測(cè)因子可能是客戶的年齡、地點(diǎn)、性別和購買歷史?；蛘邽榱祟A(yù)測(cè)客戶流失，我們可能會(huì)考慮用戶的行為數(shù)據(jù)，如過去6個(gè)月的投訴次數(shù)，上個(gè)月的支持單數(shù)量，該用戶成為我們客戶的月數(shù)，以及人口統(tǒng)計(jì)數(shù)據(jù)如客戶的年齡、地點(diǎn)和性別。假設(shè)我們有足夠的包含了結(jié)果（在第一個(gè)例子中客戶是否實(shí)際購買，第二個(gè)例子中客戶是否流失）的歷史數(shù)據(jù)，我們可以使用這些數(shù)據(jù)來創(chuàng)建一個(gè)預(yù)測(cè)模型，將輸入的數(shù)據(jù)元素（預(yù)測(cè)因子）和輸出的數(shù)據(jù)元素（目標(biāo)）做映射，并對(duì)未來的客戶進(jìn)行預(yù)測(cè)。通常數(shù)據(jù)科學(xué)家建立預(yù)測(cè)模型時(shí)有一個(gè)迭代的過程，包括：收集和準(zhǔn)備數(shù)據(jù)（并解決數(shù)據(jù)質(zhì)量問題）探索和分析數(shù)據(jù)來檢測(cè)異常情況和異常值，識(shí)別有意義的趨勢(shì)和模式使用機(jī)器學(xué)習(xí)算法或像回歸分析這樣的統(tǒng)計(jì)方法來建立模型測(cè)試并驗(yàn)證模型的準(zhǔn)確性一旦建立好模型并通過了驗(yàn)證，那么便可以部署和使用，來進(jìn)行實(shí)時(shí)的自動(dòng)化決策。在自動(dòng)化決策中部署預(yù)測(cè)模型當(dāng)預(yù)測(cè)模型可以給我們提供正確的預(yù)測(cè)結(jié)果和評(píng)分后，我們還需要決定如何去使用它們。像明策智能決策引擎這樣的現(xiàn)代決策管理平臺(tái)，能夠?qū)㈩A(yù)測(cè)模型（給出決策）和業(yè)務(wù)規(guī)則（將決策轉(zhuǎn)為具體的行動(dòng)）很好地結(jié)合起來。明策智能決策引擎包括了內(nèi)置的預(yù)測(cè)分析功能，也能夠執(zhí)行其它工具（如SAS、SPSS和R）建立的預(yù)測(cè)模型。預(yù)測(cè)模型的使用正在迅速普及，并且改變了很多傳統(tǒng)的商業(yè)行為。但其中很重要的一點(diǎn)是要明白預(yù)測(cè)并不等同于決策！現(xiàn)實(shí)世界的商業(yè)決策通常會(huì)包含多個(gè)預(yù)測(cè)模型。例如，一個(gè)反欺詐決策中，可能包含用來預(yù)測(cè)交易發(fā)起方的賬戶被盜用的可能性的模型；也可能包含用來預(yù)測(cè)交易收款方的賬戶被盜用的可能性的模型。一個(gè)貸款審批的決策會(huì)包含信用評(píng)